0
Kunstig intelligens (AI) har allerede vist sin værdi, at olie-og gasselskaber, og endnu er en udbredt anvendelse af AI teknologier inden for branchen stadig står over for masser af forhindringer.
“Barrierer for olie virksomheder til at vedtage nye AI-teknologier er mange, lige fra modstand mod forandring, en tro på, at det, de allerede har, er tilstrækkelige, og skepsis om, hvorvidt de nye teknologier vil levere,” sagde Ray Hall -, energi-sektor, direktør i Tessella, en udbyder af ingeniør-og konsulentydelser, der har hjulpet globale energi-virksomheder med at identificere måder til at forbedre boring og operationelle effektivitet med data.
“Mange af vores egne kunder, der har investeret i store teknologi leverandører lovende verden fra analytics, kun at stå skuffet over resultatet,” Hall sagde.
Olieselskaber, der i årevis har været bruger af analytics-metoder, for eksempel som model predictive control (MPC) i forsyningskæden platforme og lineære programmer i raffinaderi planlægning, Hall sagde.
“De er ikke fremmede for anvendelse af strukturerede data, metoder og analyser,” Hall sagde. “Ofte er de bare har stået og deres tilgange er nu baseret på gamle teknologier, som mangler evnen til at indarbejde nyere analytics teknikker såsom machine learning til at forbedre deres præstationer.”
Det er vigtigt, ud fra et konkurrencemæssigt synspunkt, at olie-og gasselskaber med at overvinde de udfordringer, der er i forbindelse med vedtagelsen AI og andre nye teknologier, fordi industrien står over for udfordringer på mange niveauer.
For én ting, der er langsigtede pris usikkerhed. “De dage af den langsigtede prisen på en tønde af over $100 er gået, presset af den globale efterspørgsel vs. vækst i produktionen vil holde olieprisen er lavere, og betyder, at olie-selskaber er nødt til at få produktion og raffinering omkostningerne betydeligt,” Hall sagde.
Det betyder, at tage væsentlige skridt i effektivitetsgevinster til at reducere omkostninger gennem anvendelse af nye teknologier. “For eksempel, kunne robotteknologi tage en rolle på et produktionsanlæg til at håndtere boring og afslutninger processer?” Hall sagde.
Hertil kommer, at branchen har en aldrende arbejdsstyrke. “Vi har set, forskellige skøn på dette, men det er almindeligt anerkendt, at op til 40 procent af arbejdsstyrken i olie og gas vil gå på pension inden for de næste fem til 10 år,” Hall sagde. “At erstatte denne meget erfarne arbejdsstyrke med, at folk vil være meget udfordrende, men ved hjælp af øget automated decision support gennem kognitive og machine learning-løsninger er et middel til at reducere afhængighed af erfaring til at træffe beslutninger.”
Endelig, som afhængigheden af olie og gas svinder, virksomheder i sektoren er nødt til at ændre deres virksomheder til at være komplet energileverandører at omfavne vedvarende energikilder.
“For at gøre dette, de ville få brug for deres virksomhed at være i stand til at operere på tværs af både fossile og vedvarende energikilder på en rentabel måde,” Hall sagde. “Det vil kræve en mere moderne teknologi, miljø i stand til at opfylde kravene fra deres kunder rentabel og være i stand til at optimere kilde af energi.”
Tessella har hjulpet flere olieselskaber udnytte mulighederne i AI til at forbedre processer. For eksempel, det virkede med en olie kunden til at hjælpe virksomheden med at forbedre sin forståelse af holdbarhed og niveauer af korrosion af eksisterende brønde, som en del af selskabets plan for at få større afkast fra brønde.
“Virksomheden havde en masse historisk data til rådighed, men ikke en stor forståelse af det,” Hall sagde. “Vi tog den tid, historier af alle de operationelle data til brøndene, og der anvendes en vifte af AI statistiske teknikker til at finde struktur i data. Vi har undersøgt sammenhænge mellem klynger i de historiske data og korrosion niveau, og derefter boret ned i de underliggende variabler til at forstå, hvad der navnlig i den historiske rekord kørte korrosion.”
Det arbejde, der er tilladt kunden at kunne lave en risiko-baseret beslutning om at bruge området, med fuld synlighed af de usikkerheder, risici og følsomheder. “Virkningen var enorm,” Hall sagde. “Forståelse korrosion var afgørende for at give den beslutning om at gå videre med projektet.”
0